File size: 3,919 Bytes
f06d618 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 | #!/usr/bin/env python3
"""Interfaz visual interactiva para pathogen-forecast (streamlit + folium)."""
# Copyright (C) 2026 Pedro Sordo Martínez <amurlaniakea@gmail.com>
# SPDX-License-Identifier: AGPL-3.0-or-later
from pathlib import Path
import folium
import streamlit as st
from streamlit_folium import st_folium
from data_loader import DataLoader
from epimodels import ModeloSEIR
from optimizer import OptimizadorSIR
st.set_page_config(page_title="pathogen-forecast", layout="wide")
st.title("pathogen-forecast — Predicción epidemiológica institucional")
st.markdown("**Autor:** Pedro Sordo Martínez <amurlaniakea@gmail.com> | **Licencia:** AGPL-3.0-or-later")
# Controles interactivos
col1, col2 = st.columns(2)
with col1:
r_contagiosidad = st.slider("R de contagiosidad (reproduction_rate aproximado)", 0.5, 10.0, 3.0, 0.1)
dias = st.slider("Días de simulación", 30, 730, 365, 30)
with col2:
pais = st.selectbox("País inicial (ejemplo del dataset)", ["Spain", "Afghanistan", "United States", "Global"])
poblacion = st.number_input("Población base (millones)", 1.0, 8000.0, 8.0, 1.0) * 1_000_000
import os
# Datos sintéticos por defecto (o dataset real si existe, vía env var)
ruta_env = os.getenv("COVID_DATASET_PATH", "")
ruta_dataset = Path(ruta_env) if ruta_env else Path(__file__).resolve().parent.parent / "tests" / "fixtures" / "synthetic_covid.csv"
if ruta_dataset.exists():
loader = DataLoader(ruta_dataset)
datos = loader.cargar_datos()
else:
loader = DataLoader(Path(__file__).resolve().parent.parent / "tests" / "fixtures" / "synthetic_covid.csv")
datos = loader.cargar_datos()
# Calibración (opcional, con datos sintéticos/reales)
if datos:
optimizador = OptimizadorSIR(datos)
try:
beta_cal, gamma_cal = optimizador.calibrar(N=poblacion)
st.success(f"Calibración real completada: beta={beta_cal:.3f}, gamma={gamma_cal:.3f}, R0={beta_cal/gamma_cal:.2f}")
except (ValueError, RuntimeError) as e:
beta_cal, gamma_cal = 0.3, 0.1
st.warning(f"Calibración con datos sintéticos de respaldo (error con datos reales: {e})")
else:
beta_cal, gamma_cal = 0.3, 0.1
st.info("Usando parámetros por defecto (sin datos disponibles).")
# Simulación SEIR (con latencia)
modelo = ModeloSEIR(beta=beta_cal, gamma=gamma_cal, sigma=0.2, N=poblacion)
t, y = modelo.simular(S0=poblacion - 100, E0=50, I0=100, R0=0, dias=dias)
# Métricas SEIR
S_final, E_final, I_final, R_final = y[:, -1]
col3, col4, col5, col6 = st.columns(4)
with col3:
st.metric("Susceptibles finales", f"{S_final:,.0f}")
with col4:
st.metric("Expuestos finales", f"{E_final:,.0f}")
with col5:
st.metric("Infectados finales", f"{I_final:,.0f}")
with col6:
st.metric("Recuperados finales", f"{R_final:,.0f}")
# Mapa interactivo (mapamundi básico con ubicación inicial)
m = folium.Map(location=[20.0, 0.0], zoom_start=2, tiles="cartodbpositron")
folium.CircleMarker(
location=[40.4168, -3.7038], # Ejemplo: Madrid (España)
radius=10,
popup=f"País inicial: {pais}\nR aproximado: {r_contagiosidad}\nSimulación: {dias} días",
color="red",
fill=True,
).add_to(m)
# Añadir puntos simulados de expansión (simplificado: puntos aleatorios alrededor del mundo)
import random
random.seed(42)
for _ in range(20):
lat = random.uniform(-60, 60)
lon = random.uniform(-180, 180)
folium.CircleMarker(
location=[lat, lon],
radius=3,
color="orange",
fill=True,
fill_opacity=0.6,
).add_to(m)
st.subheader("Mapa mundial interactivo de expansión simulada")
st_folium(m, width=1200, height=600)
# Nota de verificación
st.info("Nota: esta interfaz usa datos sintéticos por defecto o datos reales del dataset de Kaggle (`reproduction_rate` como referencia) para calibración. La expansión visual es una simulación teórica basada en el modelo SEIR básico.")
|